poj 3133 Manhattan Wiring 插头dp

本文详细解析了一道名为“插头”的DP问题,通过代码展示了如何处理复杂的转移情况,并提出了启发式搜索作为潜在的优化方向。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

插头dp 这个题目还是比较直接的,就是转移比较麻烦,要先考虑格子的三种情况,然后分别讨论转移情况。

不过我认为用启发式搜索应该是可以更加直接有效的过这题。

有时间再试试启发式。

#include <iostream>
#include <cstdio>
#include <cstring>
using namespace std;
const int maxn=10,maxm=2e4+9;
int a[maxn][maxn];
int n,m;

struct
{
    int hash[maxm],lon;
    struct
    {
        int key,dist,next;
    }data[maxm];
    void clear()
    {
        memset(hash,-1,sizeof(hash));
        lon=0;
    }
    void push(int key,int dist)
    {
//        prin(key);
        int tmp=key%maxm;
        for(int k=hash[tmp];k!=-1;k=data[k].next)
        if(data[k].key==key)
        {
            data[k].dist=min(data[k].dist,dist);
            return ;
        }
        data[++lon].dist=dist;
        data[lon].key=key;
        data[lon].next=hash[tmp];
        hash[tmp]=lon;
    }
}dp[2];

inline int getbit(int key,int t)
{
    key=key&(3<<t*2);
    key=key>>t*2;
    return key;
}

inline int movbit(int key,int j)
{
    key=key<<j*2;
    return key;
}

void solve()
{
    int pre=1,now=0;
    for(int i=1;i<=n;i++)
    for(int j=1;j<=m;j++)
    {
        pre=pre^1,now=now^1;
        dp[now].clear();
        if(i==1&&j==1)
        {
            dp[pre].clear();
            dp[pre].push(0,0);
        }
//        cout<<dp[pre].lon<<endl;
        for(int k=1;k<=dp[pre].lon;k++)
        {
            int key=dp[pre].data[k].key;
            int dist=dp[pre].data[k].dist;
            int down=getbit(key,j);
            int r=getbit(key,0);
            if(a[i][j]==2||a[i][j]==3)
            {
                if(down==a[i][j]&&r==0)
                {
                    dp[now].push(key-movbit(down,j),dist+1);
                }
                else if(down==0&&r==a[i][j])
                {
                    dp[now].push(key-r,dist+1);
                }
                else if(down==0&&r==0)
                {
                    if(j!=m)
                    dp[now].push(key+a[i][j],dist+1);
                    if(i!=n)
                    dp[now].push(key+movbit(a[i][j],j),dist+1);
                }
            }
            else if(a[i][j]==1)
            {
                if(!down&&!r)
                dp[now].push(key,dist);
            }
            else if(a[i][j]==0)
            {
                if(!down&&!r)
                {
                    for(int txt=2;txt<=3;txt++)
                    {
                        if(i!=n&&j!=m)
                        dp[now].push(key+movbit(txt,j)+txt,dist+1);
                    }
                    dp[now].push(key,dist);
                }
                else if(down&&!r)
                {
                    if(j!=m)
                    dp[now].push(key-movbit(down,j)+down,dist+1);
                    if(i!=n)
                    dp[now].push(key,dist+1);
                }
                else if(!down&&r)
                {
                    if(j!=m)
                    dp[now].push(key,dist+1);
                    if(i!=n)
                    dp[now].push(key-r+movbit(r,j),dist+1);
                }
                else if(down&&r)
                {
                    if(down==r)
                    dp[now].push(key-r-movbit(down,j),dist+1);
                }
            }
        }
    }
    bool flag=false;
    for(int i=1;i<=dp[now].lon;i++)
    if(dp[now].data[i].key==0)
    {
        cout<<dp[now].data[i].dist-2<<endl;
        flag=true;
    }
    if(!flag)
    cout<<0<<endl;

}

int main()
{
//    freopen("in.txt","r",stdin);
    while(scanf("%d %d",&n,&m),n||m)
    {
        for(int i=1;i<=n;i++)
        for(int j=1;j<=m;j++)
        scanf("%d",&a[i][j]);
        solve();
    }
    return 0;
}


内容概要:本文档详细介绍了基于MATLAB实现多目标差分进化(MODE)算法进行无人机三维路径规划的项目实例。项目旨在提升无人机在复杂三维环境中路径规划的精度、实时性、多目标协调处理能力、障碍物避让能力和路径平滑性。通过引入多目标差分进化算法,项目解决了传统路径规划算法在动态环境和多目标优化中的不足,实现了路径长度、飞行安全距离、能耗等多个目标的协调优化。文档涵盖了环境建模、路径编码、多目标优化策略、障碍物检测与避让、路径平滑处理等关键技术模块,并提供了部分MATLAB代码示例。 适合人群:具备一定编程基础,对无人机路径规划和多目标优化算法感兴趣的科研人员、工程师和研究生。 使用场景及目标:①适用于无人机在军事侦察、环境监测、灾害救援、物流运输、城市管理等领域的三维路径规划;②通过多目标差分进化算法,优化路径长度、飞行安全距离、能耗等多目标,提升无人机任务执行效率和安全性;③解决动态环境变化、实时路径调整和复杂障碍物避让等问题。 其他说明:项目采用模块化设计,便于集成不同的优化目标和动态环境因素,支持后续算法升级与功能扩展。通过系统实现和仿真实验验证,项目不仅提升了理论研究的实用价值,还为无人机智能自主飞行提供了技术基础。文档提供了详细的代码示例,有助于读者深入理解和实践该项目。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值